我所一篇关于光场图像深度估计的工作被计算机视觉领域顶级期刊Pattern Recognition录用

发布时间：2026年3月2日

       由我所师生合作完成的一篇论文《A Unified Occlusion-free Framework for Unsupervised Light Field Depth Estimation》被国际顶级期刊Pattern Recognition（CCF B）录用，该论文由我所林友芳老师、张硕老师、博士生郭龙钊共同合作完成。

      无监督光场（LF）深度估计方法近年来受到越来越多的关注，这类方法无需真实深度标签，且能轻松泛化到真实场景数据。在无监督光场深度估计中，一种被广泛采用的范式是：利用估计出的深度将其他视角向中心视角进行投影变换，并计算整体光度一致性损失以完成训练。然而，当出现遮挡时，该范式会失效，进而导致深度估计结果不准确。本文提出一种统一的无遮挡框架，用于无监督光场深度估计，将训练过程划分为两个阶段。在第一阶段，我们估计被遮挡视角的数量。具体而言，我们首先利用 Top-k损失训练 (K+1) 个模型，再根据这些模型估计出的深度图，逐像素计算被遮挡视角的数量。在第二阶段，我们提出一种角度块滤波方法，用于估计被遮挡视角的确切位置，并在光度一致性损失计算中自适应地剔除这些视角。通过这种方式，最终模型可以在更可靠的监督信号下完成训练。此外，由于整个框架与网络结构设计无关，因此该框架可适用于任意现有的光场深度估计网络。